P. 1
Modul Kuliah Sistem Pendukung Keputusan

Modul Kuliah Sistem Pendukung Keputusan

|Views: 2,199|Likes:
Published by gunandjar

More info:

Published by: gunandjar on Dec 08, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

09/29/2015

pdf

text

original

Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

3 Group Support Systems (GSS).Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM). Memfilter. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif.• • • • • • Kebutuhan akan informasi yang akurat. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS). DSS dipandang sebagai pemenang secara organisasi. Sistem Pendukung Keputusan – Gunandjar. collaborative systems. sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan. atau grafik. Identifikasi masalah (atau juga kesempatan). Menyediakan akses cepat pada informasi detil yang tersirat di teks. electronic meeting systems. dan melacak data dan informasi yang kritis.4 Executive Information (atau Support) Systems (EIS atau ESS). bilangan. seperti: groupware. Manajemen diamanahi DSS. EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif.ST Page 5 . tak terlalu baik. Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. Penyediaan informasi yang tepat waktu. Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. End-user bukanlah programer.Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. Pencapaian pengurangan biaya. 1. 1. Mempertemukan berbagai gaya keputusan individu para Eksekutif. memadatkan. Dan ini dipenuhi oleh DSS. sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. dan group DSS (ini yang kita gunakan). Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif. Kebutuhan akan informasi baru.

• Pada dunia nyata yang begitu kompleks. informasi. Kepakaran ditransfer dari seorang pakar ke komputer. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. maka akan solusinya akan lebih spesifik. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. informasi. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. mengolah dan menampilkan kesimpulan yang spesifik. • • Perubahan lingkungan yang terjadi sedemikian cepatnya.6 Neural Computing (Artificial Neural Network). yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli. atau pun tak eksak). Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya. Komputer dapat mencari. tak lengkap. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data. Ide dasarnya sederhana. • Pada teknologi sebelumnya. mungkin tak bisa didapatkan data. Dan seperti seorang pakar. ES dibuat untuk menyerupai seorang pakar/ahli. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah. ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan. 1.1. Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini. • • Merupakan cabang dari aplikasi Artificial Intelligence (AI).5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi. pada satu area masalah yang spesifik dan biasanya lebih sempit.ST . sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. ataupun pengetahuan secara eksplisit.

Office Automation Systems (OAS). Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control. disebut dengan Neural Computing atau ANN. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional. DSS.komputer. Executive Information Systems (EIS).inventory. Artificial Neural Network (ANN). dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan. OAS. 5. Mereka saling berhubungan. complex Diagnostics strategic planning. MIS. Hubungan antara TPS.envi to Applications Payroll.sales forecasting. 4. Decision Support Systems (DSS) dan Group DSS (GDSS).7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. 3. Pendekatan ini berarti bahwa MSS dipandang canggih. Expert Systems (ES). monitoring Deccision Support Systems (DSS) Long-renge strategic planning. 1. MIS. 7.ST Page 7 .production and sales Sistem Pendukung Keputusan – Gunandjar. record keeping. 6. Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi. • Teknologi yang ditujukan untuk mengisi kekurangan ini. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. Expert System (ES) Execytive Information System (EIS) Support top management decision. Transaction Processing Systems (TPS). Contohnya adalah pengenalan pola. EIS. dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi. Management Information Systems (MIS). internal control. 2.

exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial.key indicators Type of information Summary reports. used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly). low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1.kno wledge base (facts. masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar.cont rol. blend of judgment and modeling Numerical The decision system when make complex unstructured. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem.som e symbolic Status access exception reporting. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application.ST . stategies Interfencing. operational Scheduled and demand report structured flow. integrated management science models.intera ctive factual knowledge access.8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc.tra nsfer of expertise Procedural and factual knowledge. user friendliness Database by management systems. rules) ronmental scanning Tracking. drill down External (online)and corporate.information Focus Data transactions information integrated problem areas Decisions flexibility.

dan lain-lain. • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks. dimana prosedur operasi standar. • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya. Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur.aturan keputusan. DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. dimana tujuan. waktu tunggu. yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data. tetapi tetap pertimbangan manajer memiliki esensi utama. DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya. misalnya dengan penyediaan laporan dan akses ke data.tak diharapkan. aturan. data. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. dan batasan-batasan dapat lebih dulu ditentukan. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata. Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri. dan dengan mengganti karyawan klerikal. di bawah pengawasan mereka.ST Page 9 . dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya.

ST Page 10 .forecasting (misalnya. Disiplin antara ES dan DSS berkembang pararel. and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. Sekali suatu masalah (kesempatan) teridentifikasi. atau solusi tertentu. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya. bagaimana untuk memonitor. Step B. Relasi antara EDP. mereka dapat mengkomplemen satu sama lain. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya. pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan.sendiri. terintegrasi. yang jelas dapat meningkatkan pengambilan keputusan manajerial. Seluruh area dari proses scanning. MIS. tapi saling tak tergantung dan berjalan sendiri. Menurut kenyataannya. tujuan sistem. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar. kapan) dan dalam penginterpretasian informasi. disebabkan karena perbedaan kapabilitas diantara kedua tool. monitoring. Disebabkan beberapa informasi bersifat fuzzy. Step A. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya). Analisis. Proses pengambilan keputusan: 1.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. membuatnya menjadi powerful.proses pengambilan keputusan. maka kombinasiantara ES dan ANN tentu akan membantu. sistem yang berbasis komputer. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. 2. Mengerti masalah (atau kesempatan yang ada).Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi.

NLP. Pada langkah ini. keputusan untuk mengimplementasikan solusi tertentu dilakukan. Step C. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. 4. Analisis kualitatif didukung oleh ES. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya. Sistem Pendukung Keputusan – Gunandjar. Pada tahap ini. EIS. Memilih.ST Page 11 .oleh tool-tool analisis kuantitatif. 3. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya.MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang).ANN. Implementasi. dan DSS dan/atau ES bisa mendukung tahap ini. Step D.

Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. Keuntungan utama dari MSS adalah ia dapat diukur.• • Manejemen pengambilan keputusan makin lama makin kompleks. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan. Sistem Pendukung Keputusan – Gunandjar.ST Page 12 . Setiap kategori mendapat dukungan komputer sendiri. tergantung pada derajat struktur dan aktivitas manajerial. dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan. Maka metode intuisi dan trial and error tak tepat lagi. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola. yang sedia setiap saat. Semua teknologi MSS adalah interaktif. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan). • • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting. detil.sendiri. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur.

input data ke komputer. Sistem terdiri dari: Input.ST Page 13 . Sistem adalah kumpulan dari obyek-obyek seperti orang. (2) design. 2. atau malah keduanya. Proses. Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem.Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan . Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.BAB 2 PENGAMBILAN KEPUTUSAN. (3) choice. dan Output. yang diakhiri dengan suatu rekomendasi.yaitu: (1) intelligence. 4 fase dalam pengambilan keputusan. DSS. resources.1. Contohnya adalah bahan baku yang masuk ke pabrik kimia. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. konsep. GDSS. Proses adalah proses transformasi elemen-elemen dari input menjadi output. and (4) implementation.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4).Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface.SISTEM. dan ES melibatkan satu istilah: sistem.kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada. pasien yang masuk ke rumah sakit. Input adalah semua elemen yang masuk ke sistem. Sistem.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan. Sistem Pendukung Keputusan – Gunandjar. pengambil keputusan. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. bisa memutuskan untuk memodifikasi input. yang bertindak sebagai pengontrol. atau proses. Fase 1 sampai 3 merupakan dasar pengambilan keputusan. Dari informasi ini. EIS.

Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. misal: suatu sistem di batasi oleh waktu tertentu. 2. Sistem ini secara penuh mandiri. 2 ukuran utama dari sistem adalah: efektivitas dan efisiensi.ST Page 14 . Replika fisik dari sistem. Ini mengacu pada hasil atau output dari suatu sistem.2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan.Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input. hukum. Contoh: sosial. tak tergantung sama sekali. biasanya dalam skala tertentu dari bentuk aslinya. dan ekonomi. • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. Sistem ini menerima input (informasi. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya. Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. Namun. aspek fisik. Analog. atau pun proses. GUI pada OOPL adalah contoh dari model ini. Model adalah representasi sederhana atau penggambaran dari kenyataan. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. output. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Contoh: bagan organisasi. Terdapat 3 jenis model: 1. sebagai contoh. 2. peta. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. mereka dapat mempengaruhi kinerja dan tujuan sistem. Bisa secara fisik. energi. Sistem Pendukung Keputusan – Gunandjar. misal: sistem adalah sebuah departemen di Gedung C. Doing the “right” thing. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya.Doing the “thing” right. Iconic (Scale). atau non fisik. politik. seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. bagan pasar modal. speedometer. dimana environment ada di luarnya. Sistem ada di dalam boundary. maka elemen tersebut harus dimasukkansebagai bagian dari environment.

7. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer.ST . 5. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan. 2. 3.3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata. Akibat samping dari error yang terjadi besar pengaruhnya. Tapi ini tak berjalan bila: 1. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. Dengan adanya komunikasi dan teknologi canggih sekarang ini. 6. Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu. Lingkungan sekarang yang makin berada dalam ketidakpastian. Terlalu banyak alternatif untuk dicoba. 2. Model memungkinkan untuk menyingkat waktu. manajer akan seringkali memiliki alternatif-alternatif pilihan. bahkan bisa tak terhitung.3. Lingkungan itu sendiri selalu berubah. Page 15 Sistem Pendukung Keputusan – Gunandjar. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. Matematis (Kuantitatif). karena kalau pun bisa akan memakan waktu lama dan sulit. 4.kemungkinan solusi yang banyak sekali. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata. • Simulasi. 2. 3. Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1.

Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. dan analisis hal-hal yang mungkin untuk dilakukan. Klasifikasi masalah. yaitu: • • • • • • • Komponen-komponen model. Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah.• • • Optimisasi Heuristic. Proses pengambilan keputusan. Pengembangan (penyediaan) alternatif. Tahap ini meliputi pembuatan. Kepemilikan masalah.5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi). dan divalidasi. Prediksi hasil. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan. Penguraian masalah. 2. Skenario. pengembangan.4 Design Phase. Pengukuran hasil. Juga model dari masalahnya dirancang. Struktur model.ST Page 16 . 2. dites.

DSS utamanya berhubungan dengan sistem yang terbuka. yang bisa dalam bentuk iconic. Model banyak digunakan dalam MSS. amounts. tax rates Delivery distance . analog Page 17 Sistem Pendukung Keputusan – Gunandjar. regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen. period of share. atau tertutup. berinteraksi dengan lingkungannya. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. output. Sistem dapat terbuka.ST . Semua sistem dipisahkan dari lingkungannya dengan suatu batas.Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment. Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . Pemecahan masalah juga mengacu pada evaluasi peluang. liquidity level of invesmentn Advertising budget. Sistem terdiri dari input. and return. proses dan pengambil keputusan. earning per prime rate competition timing Customers income.

Berbagai teknik pencarian disediakan. choice. dan diuraikan (jika diperlukan). berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. optimisasi. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas. Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. atau heuristic. design.atau matematis. Pada fase design. Pada fase intellegence. dan implementation. Sistem Pendukung Keputusan – Gunandjar. masalah (peluang) diidentifikasikan. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS. alternatif dihasilkan.ST Page 18 . Pengambilan keputusan melibatkan 4 fase utama: intelligence. Pada fase choice. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. Gaya keputusan manusia harus dikenali dalam mendesain MSS. dan metodologi keputusan dibuat. Pemodelan dapat menggunakan teknik simulasi. diklasifikasikan. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah. suatu model sistem dibuat. kriteria pemilihan ditetapkan. Dalam evaluasi alternatif. hasil diprediksi.

Data ini mengenai orang. Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu. Problem Data are not correct. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi.2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. Whenever derived data carelessly. atlas. Modify the system for The method for generating generating the data. Contoh: perkiraan penjualan atau opini mengenai kompetitor. services. 3. meminta pendapat pakar (misal dengan mewawancarainya). observasi (misal dengan menggunakan kamera video). Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. 3. are submitted. jamannya Christianto Wibisono sebelum pindah ke Australia). Juga gambar. Contoh: data mengenai karyawan dan penggajiannya.BAB III MANAGEMENT DATA 3. dan lain-lain. dan televisi. Personal. carefully monitor both the data values and the manner in which the data were generated. Eksternal. atau suara. musik.1 Sumber Data 3 sumber data adalah dari: internal. produk. eksternal. Biro Pusat Statistik. survey (menggunakan kuisoner).Data derived by ensure the accuracy of raw an individual were generated data. Pilihlah data eksternal yang relevan saja. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. • Instrumen dan sensor. Internal.ST Page 19 . berita/informasi dari BEJ/BES. film. Contoh: metode time studies (selama observasi). dan personal. dan proses. 2. 1. the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar. Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). Contoh: PDBI (dulu. karena banyak tak relevan dengan MSS yang diinginkan. diagram. Bentuknya bisa berupa CD-ROM.

Delphi. 3. • • • Procedural Languages.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar. Problem-oriented Language. Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. pengambilan. This may be impractical because of the cost of storing and maintaining data. pengubahan dan penampilan data secara cepat. FORTRAN. dan keamanan data yang lebih baik dari sekedar database biasa. Java. COBOL. store data for future use. PHP. Diikuti dengan Object-oriented Language: C++.ST . Contoh: BASIC. difficult to develop and maintain. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya. Futher more the data may not found when they needed. A detailed model contains so many coefficients that it is models.to meet the need for the data. Software Database. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. Make an effort to generate the data or to estimate them if they concern the future. C#. dll. 4GLs memiliki keuntungan: • Result-oriented. struktur file yang kompleks.No one ever stored data needed now Whether or not it is useful now. Needed data simply do not exist Required data never existed. dan Pascal. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar. Data are not measured or indexed properly. of the analysis. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. Nonprocedural Fourth-generation Language (4GLs).

h.4. Fitur-fitur ini adalah: a. Screen definition dan management facility. e. DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. Sebagai suatu MSS generator untuk membangun aplikasi tertentu. Sebagai tool ideal untuk pusat informasi (Information Centers). Sistem Pendukung Keputusan – Gunandjar. • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS. Sehingga merupakan tool pengembangan yang efektif. satu DBMS dapat dibuat dengan 4GL.sekitar 300 kali lipat untuk berbagai aktivitas. Extended data access. Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. j. Micro-to-mainframe environment. Fourth-generation Systems. Fourth-generation DBMS. Nonprocedural language untuk data maintenance. Modeling language. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah. Query language.ST Page 21 . Client/server management. sebab 4GLs dirancang baik untuk spesialis maupun end-user. c. l. Graphic enhancement. sebagai contoh. 3. Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. g. i. f. FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer. Nonprocedural report writer (atau report generator). dan buat pembangunan DSS membuatnya menjadi lebih mudah . Environment untuk information consumers. m. Environment untuk applications development. d. Relational language. Applications management. dan dibangunnya itu adalah dari sekedar konsep kasar. b. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain. k. n.

atau bagan organisasi. 3. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle. dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. yang melibatkan gambar-gambar dan relasi yang juga kompleks. termasuk koneksi rumit diantara item-item yang berelasi. Digunakan untuk akses online ke database. dan Supra). SQL adalah bahasa nonprocedural dan user-friendly.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. • Relational Database.3. network. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. dan untuk fungsi-fungsi administrasi database. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS. sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database. Sehingga mirip seperti pohon. Struktur ini disebut dengan model CODASYL. Aplikasi MSS yang kompleks. Ingres. • Network. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data. • SQL. untuk berbagai produk operasi DBMS dari program.6 Object-oriented Database. Menyusun item data dalam gaya top-down. Hierarchical. DB2.ST Page 22 . membuat link lojikal diantara item data yang berelasi. Struktur ini mengijinkan link yang kompleks. Arsitektur database hierarchical. data mudah dikembangkan atau diubah.

secara efisien. solusinya tetap saja tiak efektif. Tool-tool berorientasi objek berfokus secara langsung pada database. Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi. Abstraction digunakan untuk membuat hirarki inheritance. dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. Contoh dari object-oriented data manager: GemStone. banyak program spreadsheet menawarkan berbagai kemampuan DBMS. C++. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. VBase. dan Versant. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek. yaitu untuk membuat. Delphi.7 Aplikasi Database dan Spreadsheet. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. Express.Program spreadsheet berhubungan dengan aspek pemodelan DSS. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. dan karakter-karakter lain). Ontos. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS. Hal utama yang ada di DMBS adalah manajemen data. menghapus. C#. G-Base. Walaupun SQL digunakan untuk membuat dan mengakses database relasional. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. mengubah. Java. 3. serta melibatkan faktor-faktor matematis. Serupa dengan fenomena ini. angka. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar. Alternatif lain. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik.ST Page 23 . Ini membantu membuat dan mengatur model. seperti: Lotus 1-2-3 dan Excel. dan menampilkan data. menampilkan kalkulasi berulang pada variabel yang berhubungan. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk. PHP. statistik dan keuangan. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report.

• Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu. dan biasanya berasal dari berbagai vendor. 3.10 Konsep Information Warehouse (IW).kasar dan tak perlu menggunakan 4GLs yang ada. Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems. hardware. tanpa mengganggu ketersediaan sistem dan jaringan. • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise. jaringan. dan tool-tool manajemen. Keamanan jaringan dan data meningkat. 3.ST Page 24 . Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise. adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada. databases. Sistem Pendukung Keputusan – Gunandjar. mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem. Manajer harus mengantisipasi tantangan ini. Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi. Sistem enterprise jelas makin kompleks. Kedua. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. Pertama. 3.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat.

dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. dihubungkan ke jaringan. IW adalah sekumpulan DBMS. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar. User dihubungkan oleh interface ke Client. metodologi penampilan grafis.ST Page 25 Client-nya adalah PC atau workstation. masing-masing dengan interface user sendiri-sendiri. Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3. efektif. analisis.11 Arsitektur client . ke dalam sistem yang fleksibel. dan efisien. Dicirikan oleh: • • GUI. akurat. manipulasi. retrieval. tepat waktu. sampai saat dibutuhkan. IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. Umumnya menggunakan yang digunakan untuk mengakses resources jaringan. • Pada sistem client/server terdapat berbagai client. yang selama ini belum bisa dilakukan oleh user MSS. tool. . konstruksi presentasi.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses. interface.server Arsitektur yang mencoba untuk mengorganisasi PC. LAN. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan. dan mudah dimengerti dalam pengambilan keputusan bisnis. dan mainframe.

dan video text. dan bagian back-end diselesaikan oleh server. dan communication server. Sistem Pendukung Keputusan – Gunandjar. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server. • Server melayani file sharing. dari permintaan client. Server tidak memulai suatu pekerjaan. • Pada client/server computing. Aplikasi pesan. Client dapat menampilkan berbagai query.ST Page 26 . • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. atau pelayanan komunikasi ke jaringan. • • • Server bisa berupa workstation yang besar.computing server. manajemen jaringan dan dokumen. dan/atau peralatan LAN. seperti misalnya manajemen e-mail. print server. Server menangani database dan pemrosesan transaksi yang lebih intensif.yang disediakan server. Client menampilkan manipulasi data lokal dan user interface-nya. Aplikasi client/server dibagi menjadi 4 kategori: 1. yang sudah umum digunakan semisal SQL sebagai presentasi ke server. penyimpanan dan retrieval informasi. file server. • • • • Server menampilkan hasil-hasilnya pada layarnya client. BBS. command. dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. sebuah mainframe. seperti e-mail. • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal). Kebanyakan server adalah: database server. tempat penyimpanan yang besar. transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar).

• • Contoh ukuran: uang. 3. Sistem Pendukung Keputusan – Gunandjar. 3 faktor dalam multidimensionality: dimensi.ST Page 27 .2. atau industri. Penyebarluasan suatu database diantara berbagai jaringan komputer. jalur distribusi. selama bulan tertentu juga. sales volume (volume penjualan). seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. yang dihitung berdasarkan unit. mingguan. Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. caturwulan. segmen pasar. aktual vs perkiraan. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. tergantung pada volume data dan jumlah dimensinya. keuntungan penyimpanan. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. Contoh waktu: harian. Sharing/pemakaian bersama pada file/peralatan lain. maka hal itu dapat dilakukan lebih cepat. unit bisnis. dan dapat dilakukan oleh user itu sendiri. dan waktu. lokasi gegrafis. atau remote akses komputer. Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. bulanan. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. Tapi perlu diingat. masing-masingnya dikerjakan pada komputer yang berbeda. Pendekatan ini disebut dengan multidimensionality. salespeople (orang-orang bagian penjualan). ukuran. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. yang dilakukan oleh orang di bagian penjualan tertentu. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. atau tahunan. Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. Contohnya. Contoh dimensi: produk. 4. negara.

Pengembangan selanjutnya adalah penambahan pada arsitektur client/server. Pengaksesan Data: Data Dipping. yang bertumpu pada lingkungan database relasional terdistribusi.. Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. daripada bagaimana data diakuisisi atau disimpan. jaringan. diperkuat dengan Q&E (dari Q&E Corp.• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional.). Data dipping ini memiliki juga nama lain: Business Intelligence Systems. Tool ini ditujukan untuk mendayagunakan user. Personal Access (dari Spinnaker Corp. Selama beberapa waktu. teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing). Sehingga. Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data. 3. LightShip (dari Pilot Software). end-user data access. dimana tool ini berbasiskan PC yang murah. diperkuat dengan DataLens. aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data. Contoh produknya: • • • • • • • Excel (dari Microsoft).ST . Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat. Beberapa orang menyebut hal ini data dipper.). Contoh aplikasi OLTP ini: INFORMIX-OnLine. GUI. Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP). sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar. Lotus 1-2-3 (dari Lotus Development Corp. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan. Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya. Forest and Trees (dari Channel Computing. dan data access and reporting tools. Quest (dari Gupta Corp. sekarang dibeli Microsoft). dan pendekatan client/server. Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS.). Visual Basic (dari Microsoft).12.

Pengembangan aplikasi MSS membutuhkan akses ke database. Updating. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent. dapat mempermudah manajemen database. 3. sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal. Sebagai contoh.ST Page 29 . Pendekatan ini disebut dengan intelligent database.). Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing. pribadi dan publik. khususnya ES. tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit. dan menyimpannya ke dalam sistem terkomputerisasi.Trinzic Corp. Sistem Pendukung Keputusan – Gunandjar.13 Intelligent Database Organisasi. penggunaan. dan knowledge. terus menerus mengumpulkan data. dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data. Teknologi AI. eksternal. dan personal. informasi. reviewing.

kamus (dictionaries). Juga Sistem Pendukung Keputusan – Gunandjar.ST Page 30 . DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data. tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. direktori. Data diorganisasi dalam berbagai cara. MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. report. hirarkikal. • • • • • • • SQL adalah akses standar untuk database relasional. dan lain-lain. tipe yang disukai adalah relasional. Untuk kebanyakan MSS. • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS. atau malah tak ada data sama sekali. baik itu berarsitektur relasional. Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data). Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data. OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. terlalu banyak data.• • • Data eksternal tersedia dalam ribuan database komersial online. sangat berguna dalam MSS terdistribusi. Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. maupuan jaringan. berbagai MSS ditawarkan pada sistem client/server. data yang waktunya tidak tepat (nontimely data). Sebagai contoh adalah Information Warehouse dari IBM.

telekomunikasi. • Dalam client/server. beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. walaupun data tersebut berada pada file dan database yang berbeda. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda.ST Page 31 . dan berbagai penyedia layanan yang lain (server).menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi. Sistem Pendukung Keputusan – Gunandjar.

Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya. EFPM untuk kalangan perguruan tinggi. Delphi. C#. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. spreadsheets.BAB IV MEMBANGUN DSS 4.1 Pendahuluan Membangun sebuah DSS. financial-oriented language. 4. dan +. Memiliki jaminan Untuk DSS yang kompleks. kualitas yang memadai. bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis. pendekatan di atas. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. Java. Quattro Pro. dan lainnya. • • Melibatkan hal-hal: teknis (hardware. semi terstruktur.2 Strategi Pengembangan 1. Menggunakan DSS Generator: Excel. Tulis DSS dengan bahasa pemrograman umum: Pascal. DSS. 6. merupakan proses yang rumit. 3. Lotus 1-2-3. dampak DSS pada individu). MIS bisa digunakan untuk ini. 2. 4. jaringan) dan perilaku (interaksi manusiamesin. Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). Berturutturut ES/DSS. ataupun terstruktur. C. 4.ST Page 32 . apalagi yang besar. 5. C+ Menggunakan 4GL: data-oriented language.3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur. Express.

Objectives of DSS. Demonstration. dan pengembangan DSS berbasis tim vs pengembangan berbasis user. Tests Phase E Phase F Implementation: Testing and Evaluation. Training. haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. Sistem Pendukung Keputusan – Gunandjar. Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models. and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut.ST Page 33 . sifat berulang dari suatu proses.Phase A Planning: Needs Assesment. Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). Problem Diagnosis.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara. berbagai pendekatan konstruksi DSS. Orientation. 4.

konstruksi. 4. Pendekatan Prototyping Evolusioner. IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi. Waktu terjadinya umpan balik dari user singkat. informasi yang dibutuhkan. 2. atau cukup disebut prototyping saja.ST . dan implementasi) ke dalam 1 langkah yang diulang-ulang. diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. Proses berulang terdiri dari 4 tugas. • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process).Pendekatan SDLC (System Development Life Cycle). Menghaluskan. Di satu sisi memahami kebutuhan user adalah hal yang sulit. Meningkatkan pemahaman user terhadap sistem. Dari situ. IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat. desain. dalam membantu pengambil keputusan. tapi berguna. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. seperti di bawah ini: 1. dan memodifikasi sistem secara berulang. IRD bisa juga melibatkan CSF (Critical Success Factors). Page 34 Sistem Pendukung Keputusan – Gunandjar. Memilih submasalah penting yang akan dibangun pertama kali. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. mengembangkan. 3. Mengevaluasi sistem terus menerus. Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita. proses berulang (iterative process). adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis.out process (proses sementara). Nama lainnya adalah middle. Mengembangkan sistem yang kecil.

seiring pesatnya perkembangan di bidang PC (Personal Computer). tenaga ahli.5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar. Executive Staff Group. jaringan komunikasi komputer. Dalam wilayah keuangan atau fungsi lainnya. DSS builder. • Biayanya rendah.ST Page 35 .6 Pengembangan DSS berbasis Tim Menentukan DSS Group. Dimulai mulai tahun 1980-an. untuk mendapat kinerja yang diinginkan. 6. Berbagai individu dalam setiap kategori tadi. 4. sistemnya kompleks. • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user. Dalam departemen rekayasa industri. dan prosesnya memakan biaya. Secara organisasi penempatan DSS Group bisa dimana-mana. 3. Sistem ini didesain oleh tim yang terdiri dari user. dan didesain utama untuk mendukung organisasi. berkurangnya biaya hardware maupun software. 2. dan berbagai tool. 4. Sistem Pendukung Keputusan – Gunandjar. 4. sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. Dalam departemen IS (Information Services). maka pembangunan DSS menjadi kompleks. penghubung (intermediaries). Dalam kelompok manajemen pengetahuan (Management Science Group). Tentu saja kedua pendekatan ini bisa dikombinasikan. Dalam kelompok pusat informasi (Information Center Group). 5.dan kemampuannya. lama. • Pendekatan lainnya adalah membangun DSS berbasiskan user. Intinya dengan berbasis tim. umumnya pada lokasi: 1.

mendasarkan diri pada 5 karakteristik keputusan: 1.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan . 2. Grafis lebih disukai. yang merupakan proses yang bebas. 2. 3. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi.7 Perencanaan DSS Generator. dan pemilihan dapat diterapkan pada analisis DSS. • Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS.8 Pendekatan ROMC (Representations. Operasi. Bantuan untuk mengingat sesuatu (misal: laporan. Pendekatan ROMC membantu menyelesaikan kesulitan ini. Bantuan untuk mengingat sesuatu. tampilan “split screen”.Memory Aids. Pendekatan ROMC. file Sistem Pendukung Keputusan – Gunandjar. yang merupakan titik awal bagi desain sistem. 3.Operations. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik.4. Terbagi atas 4 entitas berorientasi user: 1. 4. Mekanisme kontrol. Representasi. desain. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4. and Control Mechanisms). Fase pengambilan keputusan: intelligence.

indeks. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar. A scatterplot of assets versus liabilities. Relationship between A map outline. Pengambil keputusan berbeda dalam gaya.Differentdecision-making processes 2. Gather data on customers. secara pribadi mengatur dukungan sistem. Table showing salespeople and their customer assignments. dan knowledge mereka sendiri. Conceptualizations: 1. Aid to direct personal control conventions knowledge. and 4. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. 4. File drawers with old tables. design. Scratch paper. Operations for intelligence. Computerize address Query the database. ketrampilan. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1. dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS. ketrampilan. A variety of memory aids: 3. Compare alternatives. Staff reminder. Represenations: A city map. applied via direct. and and decision types.data. skills. and choice.Library for saving tables. Summary sheets Extracted data on customers. 5. Temporary storage. Views of on customers. 2. DSS Messages. 3. dan knowledge. A variety of styles. all invoking choice: activities for intelligence.ST . 4. Automated memory aids: List of customers. customer data. Update lists to show assignments. design. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. assets and liabilities. mental rules. Create alternative customer assignments for salespeople. Workspace for developing assignment tables. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya. Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung. Rolodex.

mengantisipasi apa yang dibutuhkan secara lengkap. apa yang mereka mau dan butuhkan. user dan lingkungan. baik user maupun pembangun DSS. atau tak dapat mengungkapkan. DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional.personal control: Accepted conventions for interpersonal communication. Contoh: kemampuan “what-if”. Standard operating procedures. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah. yang mampu untuk menentukan kebutuhan fungsional seluruhnya. Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. Sistem jarang mencapai hasil final. Sistem Pendukung Keputusan – Gunandjar. Revise orders or procedures Training and explanation in how to give orders to the DSS. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence.ST Page 38 .9 Jenis Fleksibelitas dalam DSS: 1. Procedures operations. Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula. User tak tahu. Konsep user mengenai tugas. berubah pada saat system dipakai. design. Fleksibelitas menyelesaikan. Perubahan yang terjadi haruslah mudah untuk dilakukan. dan persepsi dari sifat dasar masalah. 2. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. Faktorfaktor ini memang sering berubah-ubah. 4. Solusi yang diturunkan melalui DSS bersifat subjektif. Ability to override DSS defaults or procedures. Orders to staff. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah.

Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser. 3. pengolah kata yang digunakan oleh sekretaris. e-mail yang digunakan oleh CEO. Fleksibelitas mengadaptasi. Biayanya sangat rendah. Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. 4. dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu.10 Komputasi End-User. Waktu penyelesaiannya singkat. Sistem Pendukung Keputusan – Gunandjar. Resikonya adalah : 1.2. 4. 4. 2. kualitas bias tak terjaga 2.ST Page 39 . Masalah implementasi DSS dapat dikurangi. Fleksibelitas berevolusi. Ini diatur oleh pembangun DSS. Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi. dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan. Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder). 4. atau pada perluasan masalah. resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar.11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. Fleksibelitas memodifikasi. 3. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal. Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah).

Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4.4. Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet.12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation.ST . Page 40 Sistem Pendukung Keputusan – Gunandjar.13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program.

ST .14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan. Bahasa pemrograman (generasi ketiga). CASE tools. Pemilihan Software. Bahasa pemodelan. Manajemen projek. Kalender (manajemen waktu). Microsoft Excel 4. (4) jaringan seperti apakah yang akan dipakai untuk menjalankannya. Tool pemrograman berorientasi objek. Tool pembangun ES. Bahasa khusus yang lain (misal: untuk membangun simulasi). Pengolah kata. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. Kemudian dengan adanya program-program berbasis Windows. Desk management. Bahasa analisis data statistikal umum. Page 41 Sistem Pendukung Keputusan – Gunandjar. Jaringan. Komunikasi. Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. Dengan kemampuan PC yang luar biasa sekarang ini. software DSS lebih banyak ditemui pada jenis komputer mikro. (2) hardware seperti apakah yang dipakai untuk menjalankannya. (3) sistem operasi seperti apa yang akan digunakan. Bahasa penghasil grafis.• • • • • • • Manajemen Data. Grafis bisnis.

lain. 9.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. semuanya bersifat subjektif dan seringkali dangkal ulasannya. 4. Semua masalah teknis. fungsional. Harga seringkali berubah. misalnya oleh Data Decisions. seperti: • Penanganan permintaan/query (mendapatkan informasi dari database). Beberapa kriteria tak bisa diukur. Suatu bahasa digunakan dalam membangun berbagai DSS. dan jurnal panduan user. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan.. kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar. 3. end-user. yang setara dengan sumber-sumber informasi lain. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. 5. misalnya PC Week dan Infosystems. dan Software Digest. 7. dan manajerial harus Evaluasi komersial yang tersedia. 4.masak. Pro. Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. Data dipertimbangkan masak. yang lain memiliki konflik langsung dengan yang lain lagi.ST . Dari sini tidak diketahui secara lengkap. informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. 6. 2. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. Mereka hanyalah merupakan salah satu sumber informasi saja. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. Beberapa orang terlibat dalam tim evaluasi. 8.15 Merangkai semuanya dalam satu sistem. Paket software selalu berganti dengan cepat. Inc.

16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan. dll. penginterpretasian.ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri.• • • • • • • Fasilitas analisis dan desain sistem (pengeditan. dan (4) mewujudkan system sharing. Sistem manajemen berbasis model. 4. (2)mengurangi dampak penggunaan sistem (lebih user-friendly). 2. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula. Generator grafis. Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda. Struktur. Sistem manajemen knowledge. dan lalu beradaptasi secara otomatis pada evolusi usernya. Generator laporan (memformat laporan output). Sistem manajemen dialog (antarmuka user). (3)meningkatkan kontrol pada sumber-sumber informasi organisasi.). Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. 3. Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed). Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda. Diperlukan kemampuan: 1.

2. 3.17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS. environment DSS 4. Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System). Ini adalah kontrol intelijen yang mengandung satu knowledge base. 4. dan antarmuka user.yaitu characteristics Sistem Pendukung Keputusan – Gunandjar. manajemen model.1. yang merupakan komponen dasar dari sembarang DSS. Manajemen data. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS.ST Task User behavior Quality of decision made Page 44 .

dan ilmu politik. GUI. 3. arsitektur client/server. teori perilaku. mesin pembelajaran (machine learning). 5. DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif. Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. ekonomi informasi.ST . Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan. ES bisa memberikan kontribusi utama dalam hal ini. telekomunikasi. 4. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. 2. memanajemen kerancuan dan kekompleksan. Manajemen sains. memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan. menjelaskan struktur masalah. 6. sistem berbasis pengetahuan. Saat ini DSS tak kreatif. DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). Perkembangan terbaru pada teknologi komputer. Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. dan tool manajemen data. ilmu komputer. sumber model DSS. dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru. dapat digunakan untuk meningkatkan DSS.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. Kontribusi serupa bisa dating dari psikologi kognitif.

Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. CBIS lainnya. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS. Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup.ST Page 46 . baik mengenai teorinya dan dalam pengembangan software. Riset harus dilakukan pada interaksi diantara individu dan grup. yang sulit untuk diukur atau bahkan ditentukan. Ini akan membutuhkan variabel yang lebar jangkauannya. 14. Masalahnya adalah bagaimana melakukannya. Masalah sosial dan etik juga harus lebih diperhatikan. menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. 13. 9. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. pembelajaran. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. 8. 10. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. Integrasi DSS dengan ES. Riset DSS harus melebarkan perspektifnya.masalah yang tak terstruktur. 12. atau paling tidak menghasilkan peneluran ide. 7. etik. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran. 16. 17. 15. berhubungan dengan keefektifan organisasi dan perencanaan strategis. Teori DSS harus ditingkatkan. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama. Konsep manajemen model harus dikembangkan. dan keefektifan. dan estetik. 11. Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi.

Riset lebih lanjut harus diarahkan pada wilayah ini. desain. perantara. teknik AI. 5. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). 4. kecenderungan ke depan adalah menjadi DSS terdistribusi.ST . 2. 6. perawatan. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya. Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. konstruksi. 4. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. Dampak organisasional dari MSS bisa signifikan.18 DSS masa Depan 1. Langkah utamanya adalah: perencanaan. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi.meningkatkan kemampuan pengambilan keputusannya. tenaga pendukung. Terdapat berbagai strategi pengembangan. personal. dan adaptasi. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. builder. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. 18. dan pemegang tool. Partisipan dalam proses konstruksi adalah: user. analisis. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. group DSS akan lebih lazim di masa depan. implementasi. riset. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS. 3.

biaya rendah. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS. • • DSS dapat dibangun oleh tim maupun individu. DSS yang dapat berevolusi sendiri. termasuk perencanaan. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat.karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. Terdapat banyak sekali tool dan generator di pasaran. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide. pemilihan software yang sesuai (generator jika dibutuhkan). Pembangunan DSS dengan tim mengikuti proses terstruktur. familiar dengan kebutuhannya. dan implementasinya lebih mudah. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut.ST . identifikasi pola. active. Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan. Software elektronik menggunakan asosiasi. Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar. Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. Banyak DSS dibangun dalam lingkungan Windows. dan hardware. Peneluran ide dapat ditingkatkan dengan software elektronik. Kecerdasan diperlukan secara khusus dalam manajemen masalah.

Umar. Decision Support and Expert Systems: Management Support Systems. lingkungan. Inc. Komputerisasi Pengambilan Keputusan. 2001. Remaja Rosdakarya. K. Bandung. 1995. 1998. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban.. Efraim. Fourth Edition. Suryadi. Daihani. Sistem Pendukung Keputusan – Gunandjar.ST Page 49 . PT Elex Media Komputindo. dan kemampuan DSS. PT. Jakarta. C. dan M. • • Variabel utama riset independen DSS adalah perilaku user. Sistem Pendukung Keputusan.Ali Ramdhani.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide. Prentice-Hall. United States of America. task. D.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->